技术栈
南京大学
nju_spy
10 小时前
人工智能
·
深度学习
·
机器学习
·
transformer
·
gan
·
注意力机制
·
南京大学
李沐深度学习论文精读(二)Transformer + GAN
目录1. Transformer1. 摘要2. 结论 结果+优势+未来3. Introduction -- RNN痛点与Transformer优势
nju_spy
3 天前
人工智能
·
机器学习
·
大模型
·
rag
·
南京大学
·
gpu分布计算
·
wikipedia 维基百科
Kaggle - LLM Science Exam 大模型做科学选择题
Kaggle - LLM Science ExamScience Exam Simple Approach w/ Model Hub | Kaggle
nju_spy
5 天前
人工智能
·
深度学习
·
机器学习
·
nlp
·
tf-idf
·
glove
·
南京大学
机器学习 - Kaggle项目实践(8)Spooky Author Identification 作者识别
Spooky Author Identification | KaggleApproaching (Almost) Any NLP Problem on Kaggle (参考)
nju_spy
6 天前
人工智能
·
深度学习
·
自然语言处理
·
bert
·
tf-idf
·
glove
·
南京大学
机器学习 - Kaggle项目实践(7)NLP with Disaster Tweets 灾难消息
Natural Language Processing with Disaster Tweets | Kaggle
nju_spy
9 天前
人工智能
·
算法
·
机器学习
·
计算机视觉
·
分类
·
南京大学
·
残差神经网络
机器学习 - Kaggle项目实践(6)Dogs vs. Cats Redux: Kernels Edition 猫狗二分类
Dogs vs. Cats Redux: Kernels Edition | Kaggle任务:给定猫狗图像数据集 进行二分类。
nju_spy
20 天前
人工智能
·
深度学习
·
自然语言处理
·
tf-idf
·
南京大学
·
glove词嵌入
·
双头gru
机器学习 - Kaggle项目实践(4)Toxic Comment Classification Challenge 垃圾评论分类问题
Toxic Comment Classification Challenge | KaggleNLP问题 输出每个评论comment 属于六种脏话标签的概率。
nju_spy
21 天前
强化学习
·
南京大学
·
alphago
·
蒙特卡洛树搜索
·
策略网络
·
价值网络
·
随机梯度算法
王树森深度强化学习DRL(三)围棋AlphaGo+蒙特卡洛
深度强化学习(5_5):AlphaGo_哔哩哔哩_bilibili蒙特卡洛 Monte Carlo_哔哩哔哩_bilibili
nju_spy
1 个月前
人工智能
·
机器学习
·
数据分析
·
kaggle
·
数据清洗
·
南京大学
·
titanic
机器学习 - Kaggle项目实践(1)Titanic
Titanic - Machine Learning from Disaster | Kaggle 题目
nju_spy
1 个月前
决策树
·
随机森林
·
机器学习
·
adaboost
·
svm
·
mlp
·
南京大学
周志华院士西瓜书实战(二)MLP+SVM+贝叶斯分类器+决策树+集成学习
1.把[0,255]灰度图 归一化为[0,1] 2.划分训练/测试集 3.创建模型设置参数 4.fit训练 5.再评估
nju_spy
1 个月前
人工智能
·
深度学习
·
迁移学习
·
黑盒攻击
·
南京大学
·
对抗攻击
·
领域偏移
李宏毅深度学习教程 第12-13章 对抗攻击 + 迁移学习transfer learning
第十节 来自人类恶意的攻击 --【2025版】李宏毅机器学习系列课程第十一节 领域自适应 -- 【2025版】李宏毅机器学习系列课程
nju_spy
2 个月前
人工智能
·
算法
·
机器学习
·
kkt条件
·
凸优化
·
对偶
·
南京大学
NJU 凸优化导论(9) 对偶(II)KKT条件+变形重构
https://www.lamda.nju.edu.cn/chengq/optfall24/slides/Lecture_9.pdf
nju_spy
2 个月前
人工智能
·
机器学习
·
支持向量机
·
kkt条件
·
核函数
·
南京大学
·
拉格朗日乘数法
周志华《机器学习导论》第5章 支持向量机SVM
目录6.1 间隔与支持向量6.2 对偶问题6.2.1 拉格朗日&KKT6.2.2 SMO (Sequential Minimal Optimization)求解
nju_spy
2 个月前
人工智能
·
随机森林
·
机器学习
·
集成学习
·
boosting
·
bagging
·
南京大学
周志华《机器学习导论》第8章 集成学习 Ensemble Learning
目录8.1 个体与集成8.2 BoostingAda(Adaptive)Boost8.3 Bagging
muyiGin
1 年前
ida
·
gdb
·
计组
·
南京大学
南京大学计算机基础(四)踩坑笔记
第六周 缓冲区溢出章节bang问题:rumble问题: 仔细分析汇编和栈的调用,这道题挺难的!【搞了我3个小时,真的别只用gdb,用ida静态结合gdb动态才是正解。】
我是有底线的